Système d'Intelligence Artificielle pour la surveillance, la prédiction et l'aide à la décision dans le suivi du bien-être Fœtal au cours du Travail (SIA-BEFoeT)

Artificial Intelligence System for Monitoring, Prediction and Decision Support in the Monitoring of Fetal Well-Being in Labour (SIA-BEFoeT)

• Auteur / Autrice : Charlotte Bredy-maux
• Direction : Nicolas Mottet, Oussama Barakat
• Type : Projet de thèse
• Discipline(s) : Génie informatique, automatique et traitement du signal
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Environnements, Santé (Dijon ; Besançon ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Soins Intégrés, Nanomédecine, IA & Ingénierie pour la Santé
• Partenaire(s) de recherche : établissement de préparation : Université de Franche-Comté (1971-....)

Mots clés

Mots clés libres

Intelligence Artificielle

Réseaux de Neuronnes

Gynécologie-Obstétrique

Ercf

Traitement du Signal

Artificial Intelligence

Neural Networks

Gynaecology-Obstetrics

Ecg

Signal Processing

Résumé

Le projet SIA-BEFoeT vise à développer des méthodes et des outils d'Intelligence Artificielle (IA) pour améliorer la détection des anomalies du rythme cardiaque fœtal pendant le travail afin de prédire et d'anticiper la survenue d'un événement grave chez le fœtus pouvant conduire au décès ou au transfert en réanimation néonatale pour encéphalopathie anoxo-ischémique. L'intérêt d'un tel raisonnement est de pouvoir guider au mieux la décision obstétricale concernant le type d'accouchement et éviter la réalisation de césarienne inutile. L'objectif de ce projet est d'augmenter le taux de prédiction par les obstétriciens et sages-femmes, d'événement pathologiques chez le fœtus au cours du travail associé à une issue maternelle et néonatale défavorable. Ce projet fait appel à plusieurs disciplines scientifiques et médicales : Informatique (IA, Big Data, système distribué...), Santé (Gynécologie-obstétrique, néonatalogie), traitement des signaux et systèmes ainsi que les domaines liés à l'économie individuelle et collective appliquées au secteur de la santé. Cette collaboration permettra l'exploitation des données issues de la surveillance fœtale (avant-pendant l'accouchement) afin de permette le développement d'un système de prédiction d'anomalies et de suggérer des conduites à tenir en temps réel. L'objectif de la thèse est de développer un prototype de dispositif médical (DM) à base d'algorithmes d'IA pour l'analyse du rythme cardiaque du fœtus (RCF) pendant le travail. Ce DM devra dans un second projet être évalué dans un protocole de recherche clinique. Sous la forme d'une plateforme numérique, ce DM surveillera la procédure d'accouchement, analysant le RCF en temps réel tout au long du travail pour fournir aux obstétriciens et sages-femmes des alertes ou des aides à la décision avant que des complications fœtales ne surviennent.

The SIA-BEFoeT project aims to develop Artificial Intelligence (AI) methods and tools to improve the detection of fetal heart rate abnormalities during labor in order to predict and anticipate the occurrence of a serious event in the fetus that could lead to death or transfer to a neonatal intensive care unit for anoxic encephalopathy. The interest of such reasoning is to be able to guide the obstetrical decision concerning the type of delivery and to avoid unnecessary cesarean sections. The objective of this project is to increase the prediction rate by obstetricians and midwives of pathological events in the fetus during labor associated with unfavorable maternal and neonatal outcomes. This project calls upon several scientific and medical disciplines: Computer science (AI, Big Data, distributed systems, etc.), Health (obstetrics and gynecology, neonatology), signal processing and systems, as well as fields related to individual and collective economics applied to the health sector. This collaboration will allow the exploitation of data from fetal monitoring (before and during delivery) in order to develop a system for predicting anomalies and suggesting actions to be taken in real-time. The objective of the thesis is to develop a prototype medical device (MD) based on AI algorithms for the analysis of fetal heart rate (FHR) during labor. In a second project, this MD will be evaluated in a clinical research protocol. In the form of a digital platform, this DM will monitor the delivery process, analyzing the FHR in real-time throughout labor to provide obstetricians and midwives with alerts or decision aids before fetal complications arise.